用于高光谱图像复原的深度即插即用先验
图像与视频处理
2022-09-20 v1 计算机视觉与模式识别
机器学习
摘要
基于深度学习的高光谱图像（HSI）复原方法因其卓越性能而广受欢迎，但每当任务细节变化时往往需要进行昂贵的网络重训练。本文中，我们提出以统一方法通过一种有效的即插即用（plug-and-play）方法来复原 HSI，该方法可同时保留基于优化方法的灵活性与深度神经网络的强大表征能力。具体而言，我们首先开发了一种新的深度 HSI 去噪器，利用门控循环卷积单元、短程与长程跳跃连接以及增强的噪声水平图，以更好地挖掘 HSI 中丰富的空-谱信息。因此，该去噪器在高斯与复杂噪声设置下的 HSI 去噪中均达到了最先进的性能。随后，所提出的去噪器作为强大的隐式 HSI 先验被插入即插即用框架，以应对各种 HSI 复原任务。通过对 HSI 超分辨率、压缩感知和修复的广泛实验，我们证明我们的方法通过单一模型且无需任何任务特定训练，常取得优越性能，可与各任务上的最先进水平竞争甚至更优。
引用
@article{arxiv.2209.08240,
title = {Deep Plug-and-Play Prior for Hyperspectral Image Restoration},
author = {Zeqiang Lai and Kaixuan Wei and Ying Fu},
journal= {arXiv preprint arXiv:2209.08240},
year = {2022}
}
备注
code at https://github.com/Zeqiang-Lai/DPHSIR